論文の概要: A Tracking System For Baseball Game Reconstruction
- arxiv url: http://arxiv.org/abs/2003.03856v1
- Date: Sun, 8 Mar 2020 22:04:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 14:33:34.742468
- Title: A Tracking System For Baseball Game Reconstruction
- Title（参考訳）: 野球ゲーム再構築のためのトラッキングシステム
- Authors: Nina Wiedemann, Carlos Dietrich, Claudio T. Silva
- Abstract要約: 本研究では, ピッチャー, バッター, ボールの動きを, 高精細度で捉えるシステムを提案する。
我々は,従来のシステムと同等の結果が得られるビデオの大規模データベースを実演する。
さらに、選手、コーチ、チーム、ファンが利用できる情報の量を増やすために、最先端のAI技術が組み込まれています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The baseball game is often seen as many contests that are performed between
individuals. The duel between the pitcher and the batter, for example, is
considered the engine that drives the sport. The pitchers use a variety of
strategies to gain competitive advantage against the batter, who does his best
to figure out the ball trajectory and react in time for a hit. In this work, we
propose a system that captures the movements of the pitcher, the batter, and
the ball in a high level of detail, and discuss several ways how this
information may be processed to compute interesting statistics. We demonstrate
on a large database of videos that our methods achieve comparable results as
previous systems, while operating solely on video material. In addition,
state-of-the-art AI techniques are incorporated to augment the amount of
information that is made available for players, coaches, teams, and fans.
- Abstract（参考訳）: 野球の試合は、しばしば個人間で行われる多くのコンテストと見なされる。
例えば、ピッチャーとバッターのデュエルは、スポーツを駆動するエンジンと考えられている。
投手は、打者に対して競争上の優位性を得るために様々な戦略を使用し、ボールの軌跡を把握し、ヒットに間に合うように反応するように最善を尽くします。
本研究では,ピッチャー,バッター,ボールの動きを高レベルに捉えるシステムを提案し,その情報がどのように処理され,興味深い統計値が得られるかについて議論する。
提案手法は,ビデオ資料のみを対象とし,従来のシステムと同等の結果が得られるビデオの大規模データベースを実証する。
さらに、選手、コーチ、チーム、ファンが利用できる情報の量を増やすために、最先端のAI技術が組み込まれています。
関連論文リスト
- SkillMimic: Learning Reusable Basketball Skills from Demonstrations [85.23012579911378]
SkillMimicは、人間とボールの両方の動きを模倣して、さまざまなバスケットボールスキルを学習するデータ駆動型アプローチである。
SkillMimicは、人間とボールのモーションデータセットから多様なスキルを学ぶために、統一された構成を採用している。
SkillMimicが獲得したスキルは、高レベルのコントローラーで簡単に再利用でき、複雑なバスケットボールのタスクをこなせる。
論文 参考訳（メタデータ） (2024-08-12T15:19:04Z) - PitcherNet: Powering the Moneyball Evolution in Baseball Video Analytics [13.928557561312026]
PitcherNetは、生放送ビデオから直接ピッチャーキネマティクスを分析するエンドツーエンドの自動化システムである。
ピッチャー・トラックレットの識別では96.82%の精度で頑健な解析結果が得られる。
PitcherNetは、投球戦略を最適化し、怪我を防ぎ、投手のメカニックの深い理解を解き放つことによって、野球分析の未来への道を開く。
論文 参考訳（メタデータ） (2024-05-13T01:03:06Z) - Understanding why shooters shoot -- An AI-powered engine for basketball
performance profiling [70.54015529131325]
バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。
パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。
プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
論文 参考訳（メタデータ） (2023-03-17T01:13:18Z) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - Performance Prediction in Major League Baseball by Long Short-Term
Memory Networks [0.35092739016434554]
我々は,メジャーリーグ野球におけるホームラン予測問題の解法として,時系列モデルロング短期記憶を主手法として用いた。
以上の結果から,長期記憶は他より優れた性能を示し,より正確な予測を行うことができることがわかった。
論文 参考訳（メタデータ） (2022-06-20T09:01:44Z) - Estimating the Effect of Team Hitting Strategies Using Counterfactual
Virtual Simulation in Baseball [8.640691759862918]
野球では、フィールド上のすべてのプレーは定量的に評価され、個人およびチーム戦略に影響を及ぼす。
そこで本研究では,反現実的バッティングシミュレーションを用いてその効果を推定する手法を提案する。
論文 参考訳（メタデータ） (2022-06-04T01:33:04Z) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳（メタデータ） (2022-04-14T12:22:12Z) - Computing an Optimal Pitching Strategy in a Baseball At-Bat [19.933511825856126]
野球のat-batは、投手とバッターのマッチアップです。
ゼロサムゲームとして,この出会いの新たなモデルを提案する。
原則として、このゲームは古典的なアプローチで解決できる。
論文 参考訳（メタデータ） (2021-10-08T18:09:08Z) - Learning To Describe Player Form in The MLB [5.612162576040905]
本稿では,MLBにおけるプレイヤーフォームを記述するための,新しいコントラスト学習ベースのフレームワークを提案する。
私たちのフォーム表現には、プレイヤーがプレイのコースにどう影響するかの情報が含まれています。
これらの埋め込みは、ゲーム内のイベント、例えばアットバットやゲームの勝者の結果を予測するために使用できる。
論文 参考訳（メタデータ） (2021-09-11T13:42:07Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。